李津高等数值计算实践第一次大作业技术分析.docx

生成矩阵5个100阶对角方阵。根据下述问题，设计5个100阶对角矩阵，对角元分布如下：表1.15个对角阵的对角元分布序号条件数特征值分布情况对角元分布1100均匀分布2100特征值靠近最小特征值3100特征值靠近最大特征值450.5均匀分布590均匀分布生成的5个对角矩阵中，前四个矩阵为正定矩阵，第五个矩阵为非正定矩阵。其中，前三个矩阵条件数都为100。生成10个100阶矩阵生成10个100阶矩阵，做QR分解，生成10个Q矩阵。由于生成的Q,即对应的特征向量，对最后的求解结果影响不大，故此处随机生成了10个100阶矩阵，且为了每次的结果一样，将矩阵存到文件中。实验结果用共轭梯度法，Lanczos法，MINRES法进行计算，分析特征值分布对算法的影响。计算得到的结果如下表所示：表2.1三种方法计算结果序号的特征值分布收敛迭代次数共轭梯度法0.70290.72620.67000.6676——————法0.98160.99950.97820.97941.5338-0.0015i93.6707不收敛法0.70950.72470.68270.67810.8336-0.0187i84其中的为最后一次迭代之后求得的解与真实值的差，即.从表格中可以看出以下几点：在矩阵特征值相同时，特征值的分布对收敛性有影响。在特征值偏向较小特征值的时候，法和算法迭代次数增加，而算法更是出现了不收敛的情况。相对的，当特征值偏向较大特征值的时候，三种算法的迭代次数都均匀分布的有所下降。故可有结论，特征值偏向最大值时有较好收敛性。矩阵条件数对收敛性有影响。由三种算法的第3，4组数据能看出，3对应矩阵的条件数大于4矩阵的条件数，且3的迭代次数均小于4的迭代次数，故可有结论，条件数大的正定矩阵有较好的收敛性。矩阵是否正定对收敛性有影响。由于法不适用于非正定矩阵，故只对法和法分析。法在实验中的非正定矩阵的运算中不收敛，且法的迭代次数也较之前有了大幅度的提高。故可有结论，正定矩阵较非正定矩阵有较好的收敛性。（2）取定一个对角矩阵，用10个单位对称阵做实验，观察特征向量对算法的影响。此处为了观察特征向量的影响，选定了最普通的1号对角阵。结果如下表所示：表2.2 共轭梯度法对于不同特征向量的结果共轭梯度法序号特征向量矩阵收敛迭代次数525252525151525250表2.3法对于不同特征向量的结果法序号特征向量矩阵收敛迭代次数545453535352535351表2.4法对于不同特征向量的结果法序号特征向量矩阵收敛迭代次数555454545453545452从以上三个表格数据可以看出，矩阵对于不同特征向量的变化收敛性变化不大，在10个不同特征向量下，迭代次数变化最大在3次之内，可以认为对迭代次数没有影响。最后每种方法得到的也没有较大起伏。故可得出结论，特征向量的选取对收敛性影响不大，且在特征值确定的情况下，最后得到的结果与真实值之间差距几乎固定不变。（3）选取结果画出收敛率曲线下面画出3种方法对应不同特征值的曲线：第一组特征值图2.1 第一组特征值用三种方法计算得到的收敛率曲线第二组特征值图2.2 第二组特征值用三种方法计算得到的收敛率曲线第三组特征值图2.3 第三组特征值用三种方法计算得到的收敛率曲线第四组特征值图2.4 第四组特征值用三种方法计算得到的收敛率曲线第五组特征值（由于收敛率为虚数，故画图为其幅度值）图2.5 第五组特征值用三种方法计算得到的收敛率曲线其中，横坐标为从1到迭代次数，横坐标为从上面图形中，可以发现：在特征值相等的情况下，共轭梯度法与法的收敛率曲线基本相同。观察1-4组的收敛率曲线，发现共轭梯度法与法的收敛率曲线基本相同。故可以得出结论，共轭梯度法与法的收敛性基本一致。法相对于共轭梯度法与法收敛速度更快。从图形中看出法能够很快稳定在1，但是收敛后再继续迭代，结果可能会出现发散，如第二组特征值的情况，出现了多个冲击信号，虽然基本是稳定在1左右，但由于冲激的影响，最后的结果与实际结果相差较大，表现为不收敛。故可以得出结论，法受特征值影响较大，不如共轭梯度法与法稳定，但在收敛的情况下，法收敛速度更快。在非正定的情况下，法与法的收敛率曲线都表现出震荡不稳定的情况。由第五组数据可以看出，虽然法最后收敛，但是收敛率曲线十分震荡，直到84次之后才解出结果，法则表现为不收敛。故可以得出结论，非正定矩阵很大程度上恶化这两种方法的收敛性。讨论特征值取了五组，如表1.1所示，考虑到了条件数以及特征值的分布情况，根据上述实验的观察，可以得出如下表中所示结论：在条件数相等的情况下，特征值越靠近最大特征值：对于收敛速度而言，三种方法的收敛速度都越快；对于收敛结果而言，共轭梯度法和法与真实值的差距也越小，而法差距基本不变，故整体而言判断为差距减小。故可以得出结论：在条件数相等的